ซานฟรานซิสโก, รัฐแคลิฟอร์เนีย, 20 ตุลาคม 2026, Chainwire
หลังทีมนักวิจัยพบว่าแทบทุกเทคนิค “ลายนิ้วมือโมเดล” (model fingerprinting) ที่ทดสอบ—including วิธีของ Sentient เอง—สามารถถูกเลี่ยงได้โดยผู้โจมตีที่มีความเชี่ยวชาญ ขณะยังรักษาประสิทธิภาพโมเดลไว้ได้ Sentient Foundation จึงเปิดตัว Fingerprinting Leaderboard บेंชมาร์กสาธารณะตัวใหม่ เพื่อพิสูจน์อย่างเปิดเผยว่าวิธีใดกันแน่ที่ “เอาตัวรอด” จากการก็อปปี้ การไฟน์จูน การดิสทิล และการโจมตีเชิงปรับตัวได้จริง
โมเดล AI ในปัจจุบันมีต้นทุนการฝึกฝนสูงถึงระดับหลายล้านดอลลาร์ แต่เมื่อถูกคัดลอก นำไปไฟน์จูน หรือดิสทิลเป็นโมเดลใหม่ การพิสูจน์ให้ได้ชัดเจนว่า “โมเดลนี้มาจากไหน” กลับเป็นเรื่องยากอย่างน่าตกใจ
ทีมนักวิจัยของ Sentient เพิ่งทดสอบเทคนิคที่ถูกเสนอมาแล้ว 10 วิธีซึ่งออกแบบมาเพื่อแก้ปัญหานี้ และพบว่าแทบทุกวิธีสามารถถูกโจมตีให้หลีกเลี่ยงลายนิ้วมือได้ โดยยังรักษา “ความใช้การได้” ของโมเดลเอาไว้ ซึ่งรวมถึงเทคนิคของ Sentient เองด้วย
จากผลดังกล่าว Sentient Foundation จึงออกแบบ Fingerprinting Leaderboard ขึ้นเป็นบेंชมาร์กสาธารณะ เพื่อวัดว่าแนวทางใด “ใช้ได้จริง” กระทบประสิทธิภาพโมเดลมากน้อยแค่ไหน และท้ายที่สุด ลายนิ้วมือเหล่านั้นจะรอดพ้นจากความพยายามลบหรือทำลายได้จริงเพียงใด
ประเด็นนี้เริ่มมีความสำคัญเชิงเศรษฐกิจมากขึ้นเรื่อย ๆ เมื่อโมเดล AI ที่ทรงพลังถูกปล่อยออกมาให้ไฟน์จูน ดิสทิล และรีแพ็กเกจเป็นเวอร์ชันต่าง ๆ น้ำหนักโมเดลสามารถก็อปปี้ได้ง่าย ขณะที่เมทาดาทาอาจสูญหาย ทำให้นักพัฒนามีเครื่องมือจำกัดมากในการพิสูจน์ว่าโมเดลอีกตัวถูกสืบทอดมาจากงานของตน
Fingerprinting เสนอแนวทางกลับด้าน: “ใส่หลักฐานแหล่งที่มาเข้าไปในตัวโมเดลเอง”
“โมเดล AI กำลังก้าวขึ้นมาเป็นทรัพย์สินทางปัญญาที่มีมูลค่าสูงที่สุดประเภทหนึ่งของโลก แต่เมื่อโมเดลถูกคัดลอกหรือดิสทิล การพิสูจน์ความเป็นเจ้าของแทบกลายเป็นเรื่องแทบเป็นไปไม่ได้” ซาจิ คามิยะ ผู้อำนวยการฝ่าย Venture and Growth แห่ง Sentient Foundation กล่าว “Fingerprinting คือการซ่อนหลักฐานไว้ในตัวโมเดล ลองนึกว่าเป็นเทียบเท่ากับ ‘ลายเซ็นลับ’ ที่จิตรกรยุคเรอเนซองส์ใช้ยืนยันตัวตนเจ้าของผลงาน”
ลายเซ็นที่ซ่อนอยู่ภายในโมเดล
แนวคิด model fingerprinting ซึ่งพัฒนาร่วมกันโดยนักวิจัยจาก Sentient Labs และสถาบันอื่น ๆ หมายถึงเทคนิคที่ใช้ “สร้าง ค้นหา หรือยืนยัน” สัญญาณเฉพาะตัวของโมเดล เพื่อให้สามารถตรวจสอบตัวตนหรือสายการสืบทอด (lineage) ของโมเดลในภายหลังได้
วิธีของ Sentient เน้นฝัง “ลายเซ็นเชิงพฤติกรรม” (behavioural signatures) แบบลับลงในโมเดลตั้งแต่ขั้นตอนการเทรน ภายหลัง หากเจ้าของสงสัยว่าโมเดลใดเป็นอนุพันธ์ของตน ก็เพียงต้องการสิทธิ์เข้าถึงผ่าน API ของโมเดลนั้น แล้วส่ง “challenge prompts” ลับเข้าไปตรวจสอบคำตอบ เพื่อตรวจว่าโมเดลยังมีร่องรอยของต้นฉบับหลงเหลืออยู่หรือไม่
กล่าวอย่างง่ายคือ โมเดลจะพก “หลักฐานแหล่งกำเนิด” ติดตัวมาด้วย
“เครื่องหมายนี้คือ ‘ลายเซ็นเชิงพฤติกรรม’ ที่เข้ารหัสระหว่างการเทรน และตรวจสอบภายหลังผ่าน challenge prompts ที่จะเผยให้เห็นว่าโมเดลเป้าหมายยังมีร่องรอยของต้นฉบับอยู่หรือไม่” เอดูอาร์โด คอนเตนเต นักวิจัย AI แห่ง Sentient Labs ระบุ
แนวทางนี้สร้างสิ่งที่ระบบ AI ขาดหายไปมาโดยตลอด นั่นคือ ระบบยืนยันที่มาของโมเดล (model provenance) ที่ตรวจสอบได้จากตัวโมเดลเอง ไม่ต้องพึ่งเพียงล็อก เมทาดาทา หรือการสืบสวนภายนอก
24,576 ลายนิ้วมือในโมเดลเดียว
นักวิจัยของ Sentient แสดงให้เห็นแล้วว่า fingerprinting สามารถสเกลได้ไกลกว่าวิธีในอดีตมาก
วิธี Perinucleus ซึ่งถูก spotlight ที่ NeurIPS 2025 สามารถฝัง ลายนิ้วมือ 24,576 จุดลงใน Llama-3.1-8B พร้อมรักษาการสูญเสียประโยชน์ใช้งานให้น้อยมาก โดยลายนิ้วมือจำนวนมากยังคงอยู่รอดหลังการไฟน์จูน downstream
มิติปริมาณนี้มีความสำคัญ: ยิ่งมีลายนิ้วมือจำนวนมาก ยิ่งเพิ่มความเชื่อมั่นเชิงสถิติ เพิ่มโอกาสพิสูจน์ provenance และเพิ่มความทนทานเมื่อโมเดลถูกคัดลอกหรือกระจายซ้ำ
แต่การสเกลเป็นเพียงครึ่งหนึ่งของโจทย์ อีกครึ่งคือคำถามที่ยากกว่ามาก: ลายนิ้วมือเหล่านี้จะ “เอาตัวรอด” จากความพยายามลบอย่างตั้งใจได้จริงหรือไม่
Sentient ทดลอง “ทำลาย” ลายนิ้วมือ รวมถึงของตนเอง
งานวิจัยล่าสุดจาก Sentient Labs ชี้ว่าทั้งแนวทาง fingerprinting และ watermarking จำนวนมากยังเปราะบางต่อผู้โจมตีที่มีความสามารถสูง
ในงานวิจัยที่นำเสนอที่ SaTML 2026 ทีม Sentient สร้างการโจมตีเชิงปรับตัวต่อสchem fingerprinting ที่เพิ่งถูกเสนอเมื่อไม่นานมานี้ 10 วิธี และพบว่าแทบทั้งหมดสามารถถูกหลบเลี่ยงได้โดยคู่ต่อสู้ที่มีความเชี่ยวชาญ ขณะยังคงรักษาประสิทธิภาพการทำงานของโมเดล
วิธี Perinucleus ของ Sentient เองก็ไม่รอดเช่นกัน
แต่แทนที่จะปกปิดจุดอ่อนเหล่านี้ Sentient กลับเผยแพร่อย่างเปิดเผย
Fingerprinting Leaderboard ถูกออกแบบมาเพื่อเปลี่ยนกระบวนการ “ทดสอบเชิงปฏิปักษ์” นี้ให้กลายเป็นบेंชมาร์กสาธารณะ ฉบับแรกจะวัดว่าทคนิคต่าง ๆ ฝังลายนิ้วมือเข้าไปได้มีประสิทธิภาพเพียงใด โดยไม่ทำให้ประสิทธิภาพโมเดลดรอปลงอย่างมีนัยสำคัญ รุ่นถัดไปจะเพิ่มมิติ “ความทนทานต่อการโจมตี” ทดสอบว่าลายนิ้วมือจะอยู่รอดต่อความพยายามลบหรือหลบหลีกได้ดีแค่ไหน
เป้าหมายชัดเจน: ลายนิ้วมือไม่ควรอยู่รอดเพียงแค่ผ่านบेंชมาร์กวิจัย แต่น่าจะต้องอยู่รอดแม้มีคนตั้งใจทำลายมันอย่างจริงจัง
เปิดสนามทดสอบให้ชุมชนวิจัย
ควบคู่กับลีดเดอร์บอร์ด Sentient กำลังปล่อย mlprints ไลบรารีโอเพนซอร์สที่รวบรวมเทคนิค fingerprinting และชุดการโจมตีให้อยู่ในกรอบการประเมินผลเดียวกัน
นักวิจัยสามารถนำเสนอแผน fingerprinting แบบใหม่ พัฒนาวิธีโจมตีใหม่ ทำซ้ำผลลัพธ์ที่มีอยู่ และเปรียบเทียบวิธีต่าง ๆ ภายใต้เงื่อนไขเดียวกันเมื่อสนามวิจัยพัฒนาต่อไป
Fingerprinting Leaderboard ถูกออกแบบมาให้เติบโตไปพร้อมกับชุมชนวิจัย เปลี่ยน model fingerprinting ให้เป็น “สนามทดสอบสาธารณะ” ที่ทุกข้ออ้างด้านความทนทานสามารถถูกตรวจสอบโดยบุคคลที่สาม แทนที่จะอาศัยคำอธิบายเพียงฝ่ายเดียว
ทำโมเดลเปิด โดยไม่ต้องสละสิทธิความเป็นเจ้าของ
Fingerprinting อาจช่วยแก้หนึ่งในโจทย์ที่ยากที่สุดของโลก AI แบบโอเพนซอร์ส
ทุกวันนี้ ผู้พัฒนามักต้องเลือกระหว่าง “ปิดน้ำหนักโมเดล” เพื่อรักษาการควบคุม หรือ “เปิดน้ำหนักโมเดล” แล้วสูญเสียการมองเห็นว่าโมเดลถูกคัดลอกและนำไปใช้ซ้ำอย่างไร
Fingerprinting เปิดทางเลือกที่สาม
แทนจะพยายามป้องกันการคัดลอก มันสร้าง “หลักฐานที่มาหลังการคัดลอกเกิดขึ้นแล้ว” หลักฐานนี้อาจรองรับระบบการระบุแหล่งที่มา การบังคับใช้สัญญาอนุญาต โมเดลแบ่งรายได้ และกลไกเชิงเศรษฐกิจอื่น ๆ ที่อาศัย provenance ซึ่งตรวจสอบได้
ด้วยการทำให้ ที่มาของโมเดลตรวจสอบได้อย่างเป็นรูปธรรม งานวิจัย fingerprinting และ Fingerprinting Leaderboard ของ Sentient มุ่งสร้างระบบนิเวศ AI แบบเปิดที่ผู้สร้างสามารถแบ่งปันและต่อยอดโมเดลได้ โดยไม่ต้องสละความสามารถในการพิสูจน์ที่มาของเทคโนโลยีไปโดยอัตโนมัติ
เป้าหมายระยะยาวยากขึ้นไปอีกขั้น: ลายนิ้วมือที่ฝังแนบแน่นกับขีดความสามารถของโมเดลจนการลบออกเท่ากับทำลายศักยภาพของโมเดลเอง
Provable IP. รู้จริงว่าโมเดลของคุณมาจากไหน
ดูรายละเอียดเพิ่มเติม: https://fingerprint.sentient.foundation
เกี่ยวกับ Sentient Foundation
Sentient Foundation เป็นองค์กรไม่แสวงหากำไรที่มุ่งทำให้ Artificial General Intelligence (AGI) อยู่ในรูปโอเพนซอร์สและสอดคล้องกับผลประโยชน์ของมนุษยชาติ โดยมีความเป็นกลางและความโปร่งใสเป็นหัวใจสำคัญ มูลนิธิส่งเสริมการยอมรับ AGI แบบโอเพนซอร์สในระดับโลก ผลักดันมาตรฐานด้านความปลอดภัยและการจัดแนว (alignment) จัดสรรทุนให้กับนักพัฒนาทั่วโลก และประสานกรอบธรรมาภิบาลเพื่อการพัฒนา AI อย่างรับผิดชอบ
สำหรับสื่อมวลชน ติดต่อ: [email protected]
เว็บไซต์: https://sentient.foundation
X: https://x.com/sentient_found
LinkedIn: https://www.linkedin.com/company/sentient-foundation/
เกี่ยวกับ Sentient Labs
Sentient Labs เป็นหน่วยงานวิจัยเทคนิคและพัฒนาผลิตภัณฑ์ของ Sentient Foundation
ห้องแล็บมุ่งบุกเบิกงานวิจัยประยุกต์ด้าน reasoning การจัดแนว (alignment) และการประสานงานแบบมัลติเอเจนต์ โดยพัฒนากรอบงานและโมเดลโอเพนซอร์ส เช่น ROMA, OML และ Arena เพื่อแสดงศักยภาพของ AI ที่ขับเคลื่อนด้วยชุมชน งานดังกล่าวครอบคลุมตั้งแต่การเปิดทางสร้างรายได้จากเครื่องมือโอเพนซอร์ส การยกระดับคุณภาพและประโยชน์ใช้สอยของระบบนิเวศ AI แบบเปิดผ่านการประสานงานทั้งระบบ ไปจนถึงการสร้างเครือข่ายจัดจำหน่าย เพื่อผลักดันให้โอเพนซอร์สกลายเป็นมาตรฐานหลักในโลก AI
เว็บไซต์: https://sentient.xyz
LinkedIn: https://www.linkedin.com/company/sentientagi
ติดต่อ
ซาจิ คามิยะ
Sentient Foundation
[email protected]